人工智能时代数据竞争行为的法律边界

张浩舟，黄大熹

（湖南大学 法学院，湖南 长沙 410006）

在智能时代中，数据是联系计算与互联网的基本要素。但在不同的发展阶段中，数据具有不同的含义。大数据背景下的数据是指电子数据，数据信息被输入计算机系统中存储、运算、交互和流通；而人工智能背景下，数据是“信息数据化”的成果，数据竞争是“数据资源化”的结果。

信息数据化是指信息在传递过程中可以将人、事、物以数字的方式表达和传播，这种做法可以提高信息传递的效率。实际上，现实生活中人们最基本的衣食住行，乃至社交娱乐、消费购物等都能通过互联网实现，且生成数据信息被互联网储存。互联网的未来发展态势不可估量，从互联网到物联网、万联网的进化使信息数据的呈现涉及到不同领域，与人们的生产和生活息息相关。

数据资源化是指数据信息在市场竞争中显示出来的经济价值，当企业在竞争过程中将信息技术与数据作为优势资源时，就会形成数据竞争行为。从IT到DT时代的过渡中，信息数据也开始高效运转，作用于一切社会和商业活动。基于当前数据信息和计算机技术的长效发展，很多理论家提出了将数据信息作为生产要素的理论，认为数据应与企业的经营资本和人力资源并称为企业的基本经营要素。数据价值的体现使市场上各个企业都开始重视数据资源的效应，激发了以市场为主体的非生产性、追求经济利益的活动，扰乱了市场秩序，引发了不正当竞争。

综上所述，无论是信息数据化还是数据资源化都能表明数据在经济发展中的重要作用。因此，在人工智能时代，科学算法的改进，计算能力的提高才能促进商业经济的发展。当然，当前对数据信息作用的挖掘还不够深入，而且，数据经济价值的开发，即数据利用、存储以及保护等工作，还可能造成市场竞争更加激烈，导致数据垄断和不正当数据竞争等行为，在一定程度上阻碍市场的进步，使企业的生存环境更加恶劣。在社会主义经济市场下，经济活动具有自身的自由性，但也要适应国家宏观调控的力度，以法律为边界，在充分利用人工智能技术的基础上营造和谐公平的竞争环境，从而有助于企业的可持续发展。

一、人工智能时代数据竞争的特点和要点

大数据时代，企业的数据竞争主要分为三方面的竞争，其中包括内部交易数据竞争、企业同用户之间交互数据的竞争以及外部数据的竞争。过去，企业的数据竞争大多是建立在交易数据上的竞争，即以企业的用户数据、销售数据、物流数据、业务流程数据等内容建立企业的数据资产，并应用于商业竞争中。随着“用户时代”来临，企业对数据规模性的收集和灵活应用水平，决定了企业的核心竞争力。数据就是以数字形式出现的信息，它是计算机网络技术下的产物，依托人工智能技术而运行。数据的经济价值早在20世纪末的前人工智能时代就已经存在，例如电子数据库产品等。随着信息技术的进一步发展，数据的经济价值也进一步被发掘。与前人工智能时代的数据竞争相比较，当前社会经济背景下的人工智能数据竞争的特点是从“产品市场”到“要素市场”的转变，而竞争规则的要点则是需要保持主体利益兼顾与经济效率平衡。

（一）数据竞争特点：“产品市场”转变为“要素市场”

人工智能时代前，数据的经济价值形式主要依靠信息产品呈现，市场经济本身就是一个信息处理系统，以价格为传感器传递信息[1]。但价格仅反映的是供求关系，并不能代表整体市场的发展。如果单以价格为导向映射整个市场情况，可能造成市场信息失灵的问题，影响市场信息的质量、数量以及分布区域。而信息数据化在一定程度上提高了信息传递的时效性，解决了市场信息不对称的问题。例如阿里巴巴旗下的淘宝交易平台需要信息互通和对称，只有买方信息和卖方信息实现统一化的前提下，买卖双方才能通过交流与沟通达成交易[2]。这一案例足以证明人工智能时代以前数据经济价值的呈现方式。

在人工智能时代，数据的经济价值表现形式是生产资料，其为算法训练提供原料。一般情况下，人工智能的获取既可以通过人工神经网络制造“仿人”机器，也可以通过从数字化的信息中获取案例和经验，从而习得算法。人工智能的开发是基于算法本身的，需要人工智能像人一样有区别对待事物的能力。对人工智能来说，数据、算法以及算力是其三大要素，也就是说在人工智能时代，可以将计算力称为生产力，将算法当做生产工具。而数据信息正是生产工具作用于生产力而产生的结果，是经济生活中重要的生产资源之一。

因此，数据竞争的特点实际上就是从“产品市场”到“要素市场”转变的这一过程。所谓的“产品市场”就是人工智能时代前由信息产品而延展的经济市场，而“要素市场”则是将数据信息所集成的生产要素作为商品在市场上进行交易和配置形成的市场。当然在这一过渡时期，市场的数据竞争主体也会随之发生变化，即由传统产品市场的横向竞争变为以网络经营者为中心的产业链的纵向竞争。简单来说，就是网络经营者之间的竞争由同行业之间的竞争变为与用户之间的竞争。人工智能时代的数据竞争更偏向于通过满足用户需求抢占市场先机，同时，数据竞争的法律法规也将从“产品市场”转变为“要素市场”[3]。

（二）竞争规则的要点：保持主体利益兼顾与经济效率平衡

竞争规则的要点是需要保持主体利益兼顾与经济效率平衡。由上述得知，“要素市场”是人工智能时代数据竞争最大的特点，而网络经营者的竞争也从与“数据供给方”的竞争开始向“数据需求方”的竞争转化。对不同的产业来说，其利益需求也是不同的，因而数据竞争的表现形式也存在一定的差异：针对数据控制方来说，整理、收集以及存储数据信息本身就是一项耗费巨大的工作，必须对数据进行安全保护才能维护平台的利益，激发市场对数据平台的投资意向；对数据使用方而言，数据只有在加工处理后流通和传播于互联网平台，才能产生其应有的价值。只有用户群体在稳固状态下才能促进人工智能市场不断完善，对数据资源进行保值增值。

市场本身具有竞争法规则，依据不同的经济效率分析可以得知，数据使用方本着信息共享的诉求，以数据资源的合理配置为核心，通过使用数据资源释放数据资源的价值。为了保证市场的经济效率，互联网经营者必须保证数据信息的产出和使用保持平衡，这也是当下人工智能产业主体数据竞争行为法律边界探讨的重点问题[4]。

维护要素市场上数据竞争的规范秩序，才能为人工智能的发展创造良好的先决条件。因此，相关部门在制定竞争法规时要注意两个要点：1.竞争规则的制定要照顾到数据控制方和数据使用方双方的利益诉求；要保证数据产出与数据资源配置保持平衡[5]。具体来说，在竞争法规范围之内，数据使用方本身不具备存储和更新数据的能力，其获取数据的途径一般需要经过人工智能的经济驱动，也就是说有价值的数据获取需要支付一定的经济代价。但如果有人利用不正当手段或途径获取数据，就会给市场上带来不正当数据竞争行为；而数据控制方为了在与同行竞争中形成有利的竞争态势，可能运用特殊手段对数据进行买断、封存以及独享，加强对数据市场的控制力度，但违背了数据共享性的原则，造成市场垄断和恶意竞争。

二、反不正当竞争：数据竞争行为的法律边界

反不正当竞争主要是针对数据使用方的不合法竞争行为，在对数据竞争行为进行道德方面和经济方面的分析时，一方面要考虑到数据竞争行为是否符合商业道德和行业行为规范，另一方面要考察数据竞争是否影响了竞争主体、消费用户以及社会公众的利益。

（一）数据获取的行为准则

数据经营者必须保证数据收集与储存的投入与产出一致，这一理论在司法实践中也已经深有体现。例如“新浪微博诉脉脉”一案中，微博曾授权脉脉使用微博作为第三方登录，由于发现脉脉未经许可就非法收集非脉脉用户的微博信息，新浪微博与脉脉之间引起了法律纠纷，最终新浪微博中止了与脉脉的合作。在这一案件审判中，脉脉未经允许就非法获取和使用新浪微博的用户信息，属于数据获取行为不正当的非法竞争行为。即便脉脉所在的北京淘友天下技术有限公司曾为此案提起上诉，但北京知识产权法院仍改为原判，说明数据竞争不能侵犯数据平台的利益。该案件也是我国首例大数据不正当竞争案例，对我国一些第三方开发者提出警示，在数据竞争中必须遵守职业道德和商业秩序，也提醒了互联网平台以及消费用户要注意保护自身的信息安全。此外，这一案件也可以证明是否获得数据控制平台的授权，是数据获取方是否合法获取数据的重要考量因素。当然，数据获取的授权与数据的开放程度有一定的联系，依据“完全公开数据”“不完全公开数据”和“不公开数据”作为数据获取正当与否的分析基础，也能为我国数据竞争相关法律法规提供参考。

依据数据公开程度，在“完全公开数据”的获取过程中不需要进行身份验证，无论是第三方开发者还是用户都可以自由获取数据。基于数据获取拥有绝对的自由权，一些数据使用者常常采用“网络爬虫”抓取数据，相对应的，数据平台控制方也可以通过设置“robots.txt”拒绝数据使用者访问或收集数据。但在“百度诉奇虎360违反‘Robots协议’”一案中，对“网络爬虫”和“Robots协议”的设置和使用存在一定的争议。一方违反协议构成不正当竞争，另一方限制抓取数据，存在限制同行业竞争的问题[6]。“Robots协议”到底能不能作为行业惯例判定不正当竞争行为，完全公开数据的基准下这一协议还能否有效控制第三方获取数据等，这些问题还值得行业相关人员深思。“相对公开数据”需要一定的身份认证流程或控制方授权才能获取数据，其中包括通过API获取数据或通过普通账号注册的方式获取数据。“相对公开数据”不正当获取行为包括超越数据访问权限获取不公开数据、伪造正常账号抓取数据以及绕过身份认证而获取数据的“黑客行为”，这些都是未经授权违法侵入行为，违反了《刑法》第二百八十五条关于非法获取计算机信息系统数据、非法控制计算机信息系统罪的相关规定。“不公开数据”一般需要数据控制方采取一定的措施，具有合法的保密性和经济性，属于商业秘密。如果第三方采用非法手段获取不公开数据，则可以申诉为刑事犯罪，即不正当竞争行为。

（二）数据使用的行为尺度

数据使用是数据获取的最终环节，数据获取行为的正当性与数据使用行为的正当性具有一致性，因此，数据使用的行为也具有一定的考量价值。数据使用行为是否正当与数据使用后的经济效益有一定的关联，要数据控制方和数据使用方的经济权限和利益影响进行分析。数据使用的行为尺度要把握好以下两点：

1.数据使用不能损害数据控制方的利益。例如在“大众点评诉百度”案中，百度在自身的用户无法支持点评信息运营的情况下，通过技术手段从大众点评网非法获取点评信息，用于充实自己的百度地图和百度知道。这种不正当数据使用的行为主要出现在人工智能时代前，当然，在现下的人工智能时代也常常会见到“实质性替代”数据的使用。但人工智能时代在利用信息技术对数据进行计算处理后才能应用到市场中，或者对数据进行计算分析后寻找同类数据进行替代。当前对这种数据使用行为的正当性还无法确切判断。但如果数据使用方利用一定的技术转化所获取的数据，为市场提供更优质的服务或产品，且产生的社会效益与经济效益大于数据来源方的经济损失，则不能被认作不正当竞争。

2.数据的使用不能损害用户的个人信息利益。用户在使用信息技术平台时往往被摄取用户使用行为数据、用户消费数据以及用户位置数据等，这些数据涉及到用户的个人隐私，在《民法总则》第一百一十一条中有所规定，自然人的个人信息受法律保护[7]。对数据控制方来说，用户信息既是经营平台的价值来源主体，也必须依靠保护用户数据维持商业主体的发展。但在人工智能时代，商业主体的风险防范机制更加完善，如何在保障用户隐私权的基础上进行合理合法的数据竞争是数据控制方必须面对的问题。同时，对数据使用者来说，既要规范数据的使用技术，还要严格管理数据的使用用途。前者主要是指在数据识别或人工智能学习过程中要对用户数据信息进行匿名化处理；后者是指数据的使用不能突破道德的底线和法律保护屏障，不能侵害个人隐私。

三、反垄断：数据控制者的行为边界

反垄断主要是针对数据控制方的竞争行为，包括垄断协议、滥用市场优势地位、经营者集中。由于在人工智能时代，垄断以数据为基础，通过智能算法实现，因此，下文主要针对“滥用市场优势地位”和“经营者集中”作为主要的探讨话题。

1.滥用市场优势地位的行为规则。数据的集中使某一层面的数据集中在一个数据平台上，数据控制方利用自身掌控的数据在市场竞争中占据最有利的地位，并支配和引导市场的整体变化。在这一过程中，数据控制方需要充分考虑数据的特性，即数据本身具有多归属性、非排他性、时效性、变化性以及无损性，同类数据会分散在不同的平台中。数据可以供给多人使用却不损失其价值，且数据存在一定的周期性，新的、有价值的数据会更替旧的数据，数据控制方的市场地位也会受到数据特征的影响。数据市场受到网络的作用，是网络经济下的产物，用户和数据的集中受到“网络效应”的影响，有一定用户数量的平台会吸引更多用户聚集，该平台上的数据也会逐渐增多；网络平台的数据越多，数据驱动下的经济产品和服务也会更加智能化，最终吸引更多用户参与进来。这种以用户吸引用户，再以产品吸引用户的方式最终在互联网平台上产生循环效应，使数据控制方的市场优势更加明显。同样的，对数据控制方的市场优势判断既要关注到数据本身的特征对控制方的负面影响，也要考虑到网络本身对数据市场的作用。

获取市场优势地位是商业主体的发展目标，本身并不违反法律法规，但一些商业主体若滥用其市场优势聚集数据和用户，垄断数据使用权，就会导致出现违法行为，具体表现在拒绝数据使用者正当获取数据的使用权或有针对性地拒绝数据使用者获取数据。前者违反了网络共享性原则，使有形基础设施领域的数据无法进行共享。对“必要设施”的身份权限进行明确时不得不考虑到数据的多归属性、公共产品性、时效性和变化性等特征，实际上所能规定的范围也是无法确定的。例如，在“hiQ vs LinkedIn”数据争议案中，hiQ的数据分析主要依托于职业社交网站LinkedIn的公开数据，但在2017年5月，LinkedIn向hiQ发布禁止获取公开信息的通告，并通过技术手段控诉hiQ的数据获取行为，且诉讼成功。也就是说，若数据控制方在持续允许数据使用方获取数据的过程中，突然拒绝数据使用方获取数据，就会被认为是利用市场优势地位垄断数据。有针对性地拒绝数据使用者获取数据，指对绝对个体设置“robots.txt”，拒绝某些个体获取数据。这种行为具有歧视性，且竞争意味明显，不可排除数据控制方有打压竞争对手的嫌疑。此外，基于人工智能本身具有跨界性，其数据使用的多样性、业务拓展的低成本性也会不可避免带来滥用数据市场优势地位的问题。

2.经营者集中的行为审判。在人工智能时代，数据优势是商业主体参与市场竞争的必要条件，很多商业企业利用并购交易的方式整合和收集数据。也就是说数据驱动型的并购交易行为将是未来商业企业发展的趋势，而数据驱动造成的经营者集中行为也必定接受相关组织的反垄断调查。反垄断调查实际上包含四个方面的内容，即判断涉案的数据持有者是数据控制者还是数据使用者、判断涉案数据是信息产品还是生产资料、判断涉案数据对数据控制方来说是否为数据竞争的重要资源、判断涉案数据是否具有不可替代性。在这一判断基础上，审判往往以营业额为经营者集中申报标准，但一些商业主体会并购一些已经掌握大量用户和数据，却没有盈利额的初始公司，以此避免反垄断审查的罪名判定。例如“Facebook收购WhatsApp”一案中就属于防御性收购行为，Facebook斥巨资将WhatsApp中的欧洲用户和数据基础尽收囊中，还扼杀了潜在的同行竞争者。基于这一案例，垄断法的完善是相关组织机构依法审查并购交易行为的前提，相关部门可以考虑增加“并购交易额”为申报标准减少滥用法律的“漏网之鱼”。

反垄断分析还需要相关市场提供市场评估数据，主要包括单独划分数据市场的需求或对相关市场重新界定这两种方法。将数据竞争反垄断的“数据市场”与知识产权反垄断中的“技术市场”进行区分和独立，有利于对数据市场进行全面分析。而对相关市场进行重新界定，在传统的市场界定法的基础上可以改进为SSNDQ测试法，以质量和成本作为市场观察的重要因素，提高市场界定的精准度。

人工智能时代给商业主体创造了更多发展机遇，但不正当竞争行为和垄断等问题在市场上涌现出来，影响了数据市场的正常竞争秩序。而人工智能产业的发展又依赖于良好的数据市场，因此无论是数据控制方还是数据使用方都需要遵循市场竞争规定，充分认识数据竞争的法律边界，避免给企业带来不必要的法律风险。